梁 雁，劉廣峰

（江蘇科技大學(xué)蘇州理工學(xué)院，江蘇 蘇州 215600）

隨著科技的快速發(fā)展，人臉識(shí)別功能應(yīng)用于多個(gè)智能領(lǐng)域，這種通過計(jì)算機(jī)運(yùn)算快速、精準(zhǔn)識(shí)別一個(gè)人身份的科學(xué)依據(jù)就是每個(gè)人面部表情獨(dú)特性。早期有科學(xué)家指出，人的面部表情主要有高興、悲傷、憤怒、厭惡、驚奇、恐懼6種。通過計(jì)算機(jī)技術(shù)實(shí)現(xiàn)智能人臉識(shí)別的應(yīng)用前景十分廣闊，比如，利用智能人臉識(shí)別技術(shù)可以進(jìn)行人與機(jī)器人之間的“交流”；在醫(yī)學(xué)領(lǐng)域可以應(yīng)用于人面部癱瘓情況的診斷；在公安系統(tǒng)中可以利用犯罪分子的面部表情對其供詞的真實(shí)程度進(jìn)行監(jiān)控等。

現(xiàn)在用于支撐智能人臉識(shí)別技術(shù)的科學(xué)研究內(nèi)容主要包括基于幾何特征和代數(shù)特征的方法。隨著科學(xué)技術(shù)的不斷進(jìn)步，人工智能得到了極為廣泛的應(yīng)用，同時(shí)，現(xiàn)階段下不斷精進(jìn)的機(jī)器學(xué)習(xí)，以及逆向傳播（Back Propagation，BP）神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）模型的應(yīng)用，使得人面部表情能夠獲得更加精準(zhǔn)、更加靈敏的識(shí)別，同時(shí)整個(gè)人臉識(shí)別系統(tǒng)的信息的可靠性和系統(tǒng)的穩(wěn)定性也獲得了極大提升[1]。但由于人的面部表情的多變、復(fù)雜，傳統(tǒng)模型在進(jìn)行運(yùn)算時(shí)往往負(fù)載過大，拖慢計(jì)算的速度且降低計(jì)算的精度，這是傳統(tǒng)模型存在的一個(gè)明顯不足。因此本文主要以CNN 算法模型對多種渠道收集到的人面部表情圖片進(jìn)行運(yùn)算，使用Opencv 捕捉人的面部表情，從而探討CNN 模型進(jìn)行人臉識(shí)別的準(zhǔn)確度與運(yùn)算速度問題。

1 主要算法

1.1 卷積神經(jīng)網(wǎng)絡(luò)

卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）是指一種特別的前饋神經(jīng)網(wǎng)絡(luò)（Feedforword Neural Network，F(xiàn)NN），它包含卷積計(jì)算且具有深度結(jié)構(gòu)。CNN 的基本結(jié)構(gòu)包括輸入層、隱含層和輸出層，而其中隱含層又包含卷積層、池化層和全連接層在內(nèi)[2]。

1.1.1 卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)

輸入層：輸入層可以處理多維數(shù)據(jù)，在輸入層中圖片的填充形式是矩陣。

卷積層：卷積神經(jīng)網(wǎng)絡(luò)的核心即為卷積層，其功能是對輸入數(shù)據(jù)進(jìn)行特征提取。卷積運(yùn)算即兩個(gè)函數(shù)之間的運(yùn)算，步驟為位于卷積層內(nèi)部的卷積核以固定步長乘以輸入矩陣的每一個(gè)元素。

池化層：圖片經(jīng)卷積層的特定特征提取后，繼續(xù)被傳遞到池化層，在池化層實(shí)現(xiàn)圖片的特征選擇以及信息過濾。池化層能夠?qū)⑻卣鲌D中展示的單個(gè)點(diǎn)替換為其相鄰區(qū)域的特征圖統(tǒng)計(jì)量，保留強(qiáng)度高的部分，濾除強(qiáng)度低的部分，將經(jīng)卷積運(yùn)算后的矩陣尺寸進(jìn)行壓縮，以保證全連接層擬合正常，對分類器質(zhì)量不造成影響。

全連接層：全連接層位于CNN 隱含層的最后，并且其信號傳遞具有特異性，只將信號傳遞到其他全連接層。而被傳遞到全連接層的特征圖在這里失去空間拓?fù)浣Y(jié)構(gòu)，以向量的形式輸出，比如，根據(jù)本文中人面部的6種表情，全連接層的特征圖會(huì)以1×6的向量形式輸出。

輸出層：輸出層位于全連接層的下游。常見的三種輸出結(jié)果：一是在圖像分類上，輸出層使用邏輯函數(shù)或者歸一化指數(shù)函數(shù)對圖片分類標(biāo)簽輸出；二是在圖像語義分割中，直接輸出每個(gè)像素的分類結(jié)果；三是在物體識(shí)別上，可輸出物體的中心坐標(biāo)、大小和分類。

1.1.2 運(yùn)算函數(shù)

Softmax 函數(shù)：Softmax 函數(shù)指歸一化指數(shù)函數(shù)，主要起分類作用。它的功能是將多個(gè)神經(jīng)元的輸出映射到（0，1）區(qū)間范圍內(nèi)，Softmax 函數(shù)將分類轉(zhuǎn)化為概率比較問題。

激活函數(shù)：主要作用是引入非線性因素到神經(jīng)元，

從而使神經(jīng)網(wǎng)絡(luò)逼近任意非線性函數(shù)的能力獲得提升。但上層神經(jīng)元的輸出函數(shù)是線性函數(shù)，且線性函數(shù)只能對線性可分的訓(xùn)練集進(jìn)行處理時(shí)才能達(dá)到較好的分類效果，因此需要對線性函數(shù)進(jìn)行非線性變換。Relu，Sigmoid，Tanh 等都是神經(jīng)網(wǎng)絡(luò)中常用的激活函數(shù)。

1.1.3 卷積神經(jīng)網(wǎng)絡(luò)的運(yùn)作過程

首先，圖片以矩陣的形式進(jìn)入輸入層，接著被傳遞到卷積層，在此處進(jìn)行卷積運(yùn)算后實(shí)現(xiàn)對圖片特征的提取，隨后進(jìn)入池化層，對圖片尺寸進(jìn)行壓縮，卷積神經(jīng)網(wǎng)絡(luò)重復(fù)若干次卷積層和池化層的操作進(jìn)行運(yùn)算，隨后進(jìn)入全連接層，對特征圖片進(jìn)行分類，最后進(jìn)入輸出層，轉(zhuǎn)化輸出相應(yīng)類別的值。

1.2 卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練

1.2.1 前向傳播

本研究中，x 為圖片的尺寸大小，y 為圖片x 對應(yīng)人面部表情的類別標(biāo)簽。首先，將x 輸入到卷積神經(jīng)網(wǎng)絡(luò)中，然后經(jīng)過卷積層和池化層的運(yùn)算、全連接層的分類進(jìn)入輸出層，輸出層是一個(gè)6維的向量，每一維表示一種表情的概率。

1.2.2 逆向誤差傳播

對y 向量值最小化均方誤差進(jìn)行輸出，并且對其反向逐層更新權(quán)值。本文使用梯度法實(shí)現(xiàn)逆向誤差傳播。

1.3 訓(xùn)練目標(biāo)

首先對訓(xùn)練集進(jìn)行預(yù)處理，根據(jù)輸出值與對應(yīng)類別標(biāo)簽值的誤差不斷迭代更新，提前設(shè)置好每次訓(xùn)練的固定次數(shù)，每次完成這個(gè)次數(shù)后對測試集的數(shù)據(jù)進(jìn)行測試，觀察準(zhǔn)確值，直到觀察到的準(zhǔn)確值大于0.8且收斂即可停止訓(xùn)練，并保存訓(xùn)練好的模型。

2 建立人臉表情數(shù)據(jù)集擴(kuò)庫

人面部表情識(shí)別系統(tǒng)的對象是人的面部表情，使用Opencv 對收集到的圖片進(jìn)行人面部特征的提取。

由于真實(shí)情況下的人面部表情多種多樣，為了盡可能地符合實(shí)際，需要提取多樣化的人面部表情特征，對收集到的表情數(shù)據(jù)集進(jìn)行一系列的擴(kuò)展處理。為了提高人面部表情識(shí)別的精確度，需要使用大量多樣化訓(xùn)練數(shù)據(jù)對訓(xùn)練集進(jìn)行訓(xùn)練，同時(shí)可以通過鏡像、旋轉(zhuǎn)、噪聲干擾等方式進(jìn)行拓展。對人臉表情數(shù)據(jù)集進(jìn)行擴(kuò)庫，使得數(shù)據(jù)集的多樣性和可靠性增加。本研究中，對使用的人面部表情圖片進(jìn)行了鏡像和旋轉(zhuǎn)兩個(gè)操作，旋轉(zhuǎn)角度為5 ～15度。

3 實(shí)驗(yàn)結(jié)果及分析

本研究使用CK+人面部表情數(shù)據(jù)庫，并使用CNN模型進(jìn)行訓(xùn)練。Loss 率是指每進(jìn)行一次更新訓(xùn)練的結(jié)果與目標(biāo)值的誤差程度，Ess 指檢驗(yàn)的準(zhǔn)確度。

Loss 率訓(xùn)練跟蹤過程中，共計(jì)更新3,000次，前1,200次更新的Loss 率下降速度較快，后1,800次更新的Loss率的變化微小。

Ess 率訓(xùn)練跟蹤中，訓(xùn)練集的準(zhǔn)確率在1,800 次前后逐漸向1收斂，為了避免過擬合情況的發(fā)生，可以將Loss 率和準(zhǔn)確率的訓(xùn)練次數(shù)調(diào)整為1,800次前后。

本研究用K 近鄰法和BP 神經(jīng)網(wǎng)絡(luò)框架模型與CNN模型作比較。同樣對另外兩個(gè)訓(xùn)練模型分別進(jìn)行3,000次訓(xùn)練，訓(xùn)練到1,100次時(shí)三者開始出現(xiàn)明顯差距，CNN的Loss 率下降到0.5，BP 神經(jīng)網(wǎng)絡(luò)和K 近鄰只下降到約0.8；CNN 的Ess 率上升到0.8，BP 神經(jīng)網(wǎng)絡(luò)和K 近鄰只上升到0.5；CNN 的準(zhǔn)確率在1,500次首先收斂于1，BP 神經(jīng)網(wǎng)絡(luò)和K 近鄰分別在1700次和1,800次收斂。

由上可知，CNN 訓(xùn)練模型的準(zhǔn)確度更高，速度更快，BP 神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型次之，K 近鄰模型的準(zhǔn)確度和速度都相對最差。

4 結(jié)論

本研究通過將K 近鄰法和BP 神經(jīng)網(wǎng)絡(luò)框架模型與CNN 模型作比較，發(fā)現(xiàn)CNN 模型在進(jìn)行人面部表情識(shí)別時(shí)的準(zhǔn)確度最高、速度最快，因此CNN 模型訓(xùn)練在人面部表情識(shí)別系統(tǒng)中具有較高的應(yīng)用價(jià)值。

5 結(jié)束語

近些年來，隨著計(jì)算機(jī)技術(shù)的飛速發(fā)展、互聯(lián)網(wǎng)的全面覆蓋，人工智能成為了科技領(lǐng)域中不斷深入發(fā)展的板塊。而在人工智能的發(fā)展中，人臉識(shí)別技術(shù)具有突破性的意義，它應(yīng)用領(lǐng)域廣泛，為人們的日常生活提供了極大的便利。本文基于卷積神經(jīng)網(wǎng)絡(luò)對人臉識(shí)別進(jìn)行研究，通過對CNN 模型的運(yùn)算原理進(jìn)行分析，并通過將K 近鄰法和BP 神經(jīng)網(wǎng)絡(luò)框架模型與CNN 模型作比較，實(shí)驗(yàn)驗(yàn)證了卷積神經(jīng)網(wǎng)絡(luò)在人臉識(shí)別系統(tǒng)應(yīng)用上的優(yōu)越性，具有較高的應(yīng)用價(jià)值。